Scalable Supervision for Software Agents via Patch Reasoning

في المشهد الشاسع والمترامي الأطراف للبرمجيات الحديثة، يمثل الكود البرمجي الأساس الذي بُني عليه كل شيء رقمي تقريبًا. وعندما يتعطل برنامج ما أو يحتاج إلى ميزة جديدة، يجب على المطورين البشر تشخيص المشكلة وكتابة إصلاح دقيق، وهو ما يُعرف بالرقعة البرمجية (patch). وفي السنوات الأخيرة، بدأ الذكاء الاصطناعي في المساعدة في هذه العملية، حيث تعمل النماذج اللغوية الكبيرة كمساعدين رقميين يمكنهم قراءة الكود، وفهم الأخطاء، واقتراح الحلول. ومع ذلك، فإن تعليم هؤلاء المساعدين من الذكاء الاصطناعي ليصبحوا موثوقين حقًا قد اصطدم بحائط مسدود. تعتمد الطريقة التقليدية لتدريبهم على تشغيل مجموعة من الاختبارات الآلية، تمامًا مثل ميكانيكي يقوم بتشغيل سيارة عبر جهاز تشخيص ليرى ما إذا كان الإصلاح قد نجح. وبينما تكون هذه الطريقة فعالة في الأمثلة الصغيرة والمسيطر عليها، إلا أنها تنهار في العالم الحقيقي؛ فمعظم المشاريع البرمجية الموجودة على الإنترنت لا تمتلك مجموعات الاختبار الشاملة هذه، كما أن بناء البيئات المعقدة اللازمة لتشغيلها لكل مشكلة على حدة هو أمر بطيء، ومكلف، وعرضة للانهيار. وبدون وسيلة للتحقق من الإصلاحات بسرعة وبتكلفة منخفضة، يظل إمكان جعل الذكاء الاصطناعي يتوسع لحل ملايين المشكلات البرمجية المفتوحة بعيد المنال.

اقترح باحثون من الجامعة الصينية في هونغ كونغ (شنتشن) وشركة بايت دانس (ByteDance) طريقًا جديدًا للمضي قدمًا يتجاوز الحاجة إلى هذه الاختبارات الآلية الثقيلة تمامًا. فقد قدموا طريقة تسمى R4P، والتي تتعامل مع التحقق من الإصلاح البرمجي ليس كفحص ميكانيكي، بل كمهمة استدلالية. فبدلاً من تشغيل الكود لمعرفة ما إذا كان يعمل، يطلب النظام من الذكاء الاصطناعي أن يعمل كمهندس أول يراجع عمل زميله. حيث ينظر إلى مشكلة برمجية ومجموعة من الحلول المقترحة المختلفة جنبًا إلى جنب. ومن خلال مقارنة هذه الحلول ببعضها البعض، يمكن للذكاء الاصطناعي رصد الأخطاء الدقيقة أو العيوب المنطقية التي قد تكون غير مرئية إذا كان ينظر إلى رقعة واحدة بمعزل عن غيرها. وتسمح هذه الطريقة للنظام بالتعلم من مجموعة أوسع بكثير من المشكلات الواقعية، بما في ذلك تلك التي لم تُختبر من قبل، لأنها تعتمد على قدرة الذكاء الاصطناعي على فهم منطق الكود بدلاً من وجود نص برمجي جاهز للاختبار.

إن جوهر هذا الابتكار هو تقنية تدريب تجعل الذكاء الاصطناعي يقيم عدة رقع برمجية في وقت واحد. تخيل لجنة من الحكام تراجع عدة مشاركات مختلفة لنفس المسابقة؛ إذا نظر الحكام إلى كل مشاركة بمفردها، فقد يجدون صعوبة في تحديد الأفضل أو قد يغفلون عن خطأ صغير. ولكن عندما ينظرون إلى جميع المشاركات معًا، يمكنهم رؤية أن أحد الحلول يغير متغيرًا بطريقة تتعارض مع الحلول الأخرى، أو أن حلًا آخر يعالج حالة استثنائية محددة يتجاهلها البقية. وقد وجد الباحثون أن هذه المقارنة القائمة على المجموعة توفر إشارة غنية للتعلم أكثر من مجرد السؤال عما إذا كانت رقعة واحدة صحيحة أم خاطئة. فهي تساعد الذكاء الاصطناعي على التمييز بين الحل الذي يبدو معقولًا والحل الصحيح حقًا، حتى بدون شبكة الأمان التي توفرها مجموعة الاختبارات.

ولإثبات نجاح هذه الطريقة في الممارسة العملية، بنى الفريق وكيلًا برمجيًا خفيف الوزن يسمى Mini-SE. تم تصميم هذا الوكيل لحل المشكلات البرمجية دون تشغيل اختبار أو بناء بيئة معقدة قط. فهو يعتمد كليًا على نظام R4P ليخبره ما إذا كانت إصلاحاته المقترحة جيدة. وفي التجارب، تمكن Mini-SE من تحسين أدائه بشكل ملحوظ، حيث حل حوالي 26.2 بالمائة من المشكلات البرمجية الواقعية من محاولته الأولى. وهذا يمثل تحسنًا قدره 10.0 نقاط مئوية عن نموذج Qwen3-32B الأصلي. علاوة على ذلك، عندما استخدم الباحثون نظام R4P لاختيار أفضل حل من مجموعة كبيرة من المرشحين الذين أنتجهم الوكيل، ارتفع معدل النجاح إلى 32.8 بالمائة. وتثبت هذه النتائج أن النظام يمكنه التعلم لكتابة كود أفضل من خلال الاستدلال حول جودة عمله الخاص، بدلاً من انتظار اختبار خارجي لتأكيد ذلك.

كما سلطت الدراسة الضوء على أن هذه الطريقة سريعة للغاية. فبينما يمكن أن يستغرق تشغيل مجموعة اختبار تقليدية لمشكلة برمجية واحدة دقائق أو حتى ساعات بسبب الوقت اللازم لإعداد البيئة، فإن نظام R4P يتحقق من الرقعة البرمجية في أقل من ثانية في المتوسط. وهذه السرعة، مقترنة بالقدرة على العمل على المشكلات التي تفتقر إلى أي اختبارات على الإطلاق، تشير إلى مسار نحو توسيع نطاق المساعدة في هندسة البرمجيات لتشمل الغالبية العظمى من الكود الموجود على الإنترنت والذي يظل حاليًا دون مساس من الذكاء الاصطناعي. وأشار الباحثون، مع ذلك، إلى أن هذا النظام ليس بديلًا مثاليًا للاختبار البشري؛ فهو أداة للإشراف والتعلم، مصممة لإطلاق العنان لإمكانات البيانات التي كان من الصعب استخدامها سابقًا. ومن خلال نقل عبء التحقق من التنفيذ الآلي الثقيل إلى الاستدلال الذكي، يقدم هذا العمل طريقة عملية لتدريب وكلاء الذكاء الاصطناعي ليصبحوا مهندسي برمجيات أكثر كفاءة، حتى في الواقع الفوضوي وغير المختبر لعالم المصادر المفتوحة.